SA515360136B1 - Methods, Devices and Systems for Detecting Objects in a Video - Google Patents

Methods, Devices and Systems for Detecting Objects in a Video Download PDF

Info

Publication number
SA515360136B1
SA515360136B1 SA515360136A SA515360136A SA515360136B1 SA 515360136 B1 SA515360136 B1 SA 515360136B1 SA 515360136 A SA515360136 A SA 515360136A SA 515360136 A SA515360136 A SA 515360136A SA 515360136 B1 SA515360136 B1 SA 515360136B1
Authority
SA
Saudi Arabia
Prior art keywords
video image
foreground
image
video
spot
Prior art date
Application number
SA515360136A
Other languages
Arabic (ar)
Inventor
فينتينير بيتر
زهانج زهونج
يين وييهونج
Original Assignee
افيجيلون فورتريس كوبوريشن
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by افيجيلون فورتريس كوبوريشن filed Critical افيجيلون فورتريس كوبوريشن
Publication of SA515360136B1 publication Critical patent/SA515360136B1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

Methods, devices and systems for performing video content analysis to detect humans or other objects of interest a video image is disclosed. A video surveillance system (101) may include a video source (102), a change detection module (103), a motion detection module (104), a foreground blob detection module (105), a human detection module (106), a target tracking module (107) and an event detection module (108). The event detection module (108) may be used to count a number of humans, to determine a location of each human and/or perform crowd analyses of monitored areas. The method may comprise determining pixels of a video image are foreground pixels, a group of the foreground pixels constituting a foreground blob set of one or more foreground blobs (S342); for each of N predetermined shapes (320) at corresponding ones of N predetermined locations (321) within the video image (330), where N is an integer, comparing the corresponding predetermined shape with the foreground blob set t

Description

_— \ _ طرق وأجهزة وأنظمة للكشف عن أهداف في محتوى فيديو ‎Methods, devices and systems for detecting objects in a video‏ الوصف الكامل_— \ _ Methods, devices and systems for detecting objects in a video Full description

خلفية الاختراعInvention background

يتعلق الاختراع الحالي بمراقبة بالفيديو ؛ ‎Jie‏ طرق ونظم المراقبة بالفيديو وطرق ونظم التحققThe present invention relates to video surveillance; Jie Video surveillance methods and systems, verification methods and systems

بالفيديو. يتم الكشف عن نظم وأجهزة وطرق المراقبة بالفيديو؛ التي يمكن أن تكشف البشر. يمكنwith video. Video surveillance systems, devices and methods are disclosed; that humans can detect. maybe

أن تقوم؛ نظم؛ وأجهزة وطرق عملية المراقبة بالفيديو بعد ‎DA‏ و/أو مراقبة تسلسلات أحداثto rise; Organized; Devices and methods for post-DA video surveillance and/or event sequence monitoring

‎fo]‏ ازدحام بشري في تدفقات الفيديو.fo] human traffic in video streams.

‏يمكن أن يُستخدم نظام المراقبة بالفيدير ‎(IVS) Intelligent Video Surveillance‏ لدىThe Intelligent Video Surveillance System (IVS) can be used at

‏الاستخبارات لكشف أحداث محل أهمية في تدفقات تغذية بالفيديو في الوقت الحقيقي أو خارجIntelligence to detect events of interest in video feeds in real time or out

‏الشبكة (على سبيل ‎JEL)‏ بمراجعة الفيديو المسجل والمخزن مسبقاً). نمطياً يتم تحقيق هذه المهمةNetwork (eg JEL) checks previously stored and recorded video). Typically this task is achieved

‏بكشف وتتبع الأهداف محل الأهمية. وهذا الأمر يعمل بصورة جيدة عادة عندما لا يكون المشهد ‎Vo‏ مزدحم. ومع ذلك؛ يمكن أن ينخفض أداء ‎Jie‏ هذا النظام بصورة ذات دلالة إحصائية في المشاهدDetect and track targets of interest. This usually works well when the Vo scene is not crowded. However; Jie performance of this system can decrease statistically significantly in scenes

‏المزدحمة. في الواقع؛ تحدث ‎Jie‏ هذه المشاهد المزدحمة مراراً؛ وبالتالي؛ تكون إمكانية كشفcrowded. In reality; Jie brings up these crowded scenes over and over again; And therefore; be detectable

‏الأفراد في المناطق المزدحمة أمر ذي أهمية كبرى. يمكن استخدام ‎Jie‏ هذا الكشف للأفراد للعدPeople in crowded areas are of great importance. Jie can use this list for people to count

‏وتحليلات الازدحامات ‎(a)‏ مثل الكثافة المزدحمة؛ تكوين مزدحم وتشتيت الازدحام.and crowding analyzes (a) such as crowded density; Crowded composition and congestion dispersal.

‏يعالج عمل تحليل الازدحام السابق بعض السيناريوهات المزدحمة للغاية المحددة مثل أحداث ‎٠‏ رياضية أو دينية معينة. ومع ذلك» هناك ‎dala‏ أيضا للتركيز على سيناريوهات مراقبة أكثر شيوعاًThe above congestion analysis work addresses some specific very busy scenarios such as 0 certain sports or religious events. However, there is also a dala to focus on more common monitoring scenarios

‎Gua‏ يمكن أن تتشكل ازدحامات كبيرة من حين لآخر. هذه السيناريوهات تتضمن الأماكن العامةGua can get big traffic from time to time. These scenarios include public places

‏مثل الشوارع؛ مراكز التسوقء المطارات محطات الحافلات والقطارات؛ إلخ.like the streets; shopping malls; airports; bus and train stations; etc.

‎ase‏ أضحت مشكلة تقدير كثافة ‎Alani)‏ أو عد الأفراد في الازدحام تحظى باهتمامات بالغة فيase The problem of estimating Alani density, or counting individuals in a crowd, has become a matter of keen interest in

‏مجتمع الأبحاث فضلاً عن الصناعة. تتضمن الأساليب القائمة في المقام الأول الطرق المبنية ‎٠‏ على الخرائط (غير المباشرة) و/أو الطرق المبنية على الكشف (المباشرة).the research community as well as industry. Existing methods primarily include map-based (indirect) and/or discovery-based (direct) methods.

‏كنكKnock

ا يمكن أن تحاول طريقة أساسها الخريطة تحديد بالخريطة عدد الأهداف من البشر وفقاً لسمات صورة مستخلصة؛_مثل ‎Jae‏ بكسلات الحركة ‎motion pixels‏ حجم البقعة الأمامية ‎foreground blob size‏ ؛ الحواف الأمامية ‎foreground edges‏ ؛ مجموعة من الأركان الأمامية ؛ وسمات الصورة الأخرى. عادة تتطلب الطريقة التي أساسها الخريطة التدريب على أنواع © مختلفة من سيناريوهات الفيديو. يتركز البحث في الأساس على البحث عن سمات يعتمد عليها تتوافق تماما مع عد الأفراد ‎log‏ كيفية التعامل مع بعض القضايا الخاصة ‎Jie‏ الظلال والشكل المنظوري بالكاميرات . في ظل الكثير من السيناريوهات؛ يمكن أن توفر الطريقة التي أساسها الخريطة تقديرات دقيقة إلى حد ما بعد الأشخاص مع توفير فيديوهات تدريب كافية. ومع ذلك؛ عادة ما يكون الأداء معتمداً على المنظرء ويمكن أن تكون المواقع الفعلية لكل ‎٠‏ فرد غير متاحة. بمقدور طريقة أساسها الكشف عد عدد الأفراد في المنظر بتمييز كل هدف بشري مفرد. وقد تركز البحث على الكشف البشري؛ وكشف الأجزاء البشرية واعتبار الربط بين الكشف والتتبع. يمكن أن توفر هذه الطرق كشف وعد أكثر دقة في السيناريوهات المزدحمة بدرجة بسيطة. في حالة إتاحة موقع كل فرد؛ يمكن أن يتسنى حساب كثافة الحشود بالموقع. تتمثل التحديات الرئيسية لهذه الطرق ‎١‏ في التكلفة الحسابية الأعلى؛ والتعلم المبني على وجهة النظر ومتطلبات حجم الصورة البشرية الكبيرة نسبياً. تتناول النماذج الموصوفة في الطلب الحالي بعض من هذه المشاكال الخاصة بالنظم القائمة. الوصف العام للاختراع تقدم النماذج التي تم الكشف عنها ‎Seals (Goh‏ ونظم لإجراء تحليل ذكي لصور فيديو لكشف ‎٠‏ أجسام؛ ‎Jie‏ أجسام بشرية. في نماذج معينة؛ طريقة لكشف أجسام بشرية في فيديو تشتمل على تحديد أن بكسلات معينة من صورة الفيديو تمثل بكسلات أمامية ؛ حيث تشكل المجموعة من البكسلات الأمامية مجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية؛ لكل واحد من مواقع !اا في صورة الفيديوء حيث لا تمثل عدد صحيح؛ تقارن شكل محدد مسبقاً مع مجموعة البقعة الأمامية للحصول على احتمالية كنكA map-based method could attempt to map the number of human targets according to the attributes of an extracted image; _eg Jae motion pixels foreground blob size ; foreground edges; a set of front corners; and other image attributes. The map-based method usually requires training in different types of video scenarios. The research is mainly focused on searching for reliable features that are fully compatible with the counting of individuals (log), how to deal with some issues related to Jie shadows and the perspective shape of cameras. Under many scenarios; The map-based method can provide fairly accurate people distance estimates with sufficient training videos. However; Performance is usually viewfinder dependent and actual locations per 0 individual may not be available. A detection-based method can count the number of individuals in a scene by recognizing each individual human target. The research focused on human detection; Detecting human parts and considering the link between detection and tracking. These methods can provide more accurate detection and counting in slightly overcrowded scenarios. if each individual's location is available; It is possible to calculate the crowd density of the site. The main challenges of these methods 1 are the higher computational cost; And learning based on the point of view and the requirements of the size of the human image is relatively large. The models described in the present application address some of these problems of existing systems. GENERAL DESCRIPTION OF THE INVENTION The disclosed models provide Seals (Goh) and systems for performing intelligent analysis of video images to detect 0 objects; Video represents foreground pixels, where a group of foreground pixels forms a front spot group of one or more foreground spots, for each of the A! locations in the video image where it is not an integer, compares a predetermined shape with the front spot group to obtain the probability of being

_ __ _

مناظرة لإنسان في الموقع؛ وبالتالي يتم الحصول على احتمالات ‎N‏ تناظر احتمالات لا؛ واستخدامcorresponding to a human on site; Thus, N probabilities corresponding to no probabilities are obtained; and use

احتمالات لاا وتحديد أن ‎X‏ أشخاص يتم تمثيلهم بواسطة مجموعة البقعة ‎dele)‏ حيث أن ‎X‏probabilities and specify that X persons are represented by the spot group dele) where X

تمثل عدد صحيح.represent an integer.

طريقة لكشف أجسام بشرية في ‎pad‏ يمكن أن تشتمل على تحديد بكسلات صورة الفيديو لمنظرA method for detecting human subjects in the pad that may involve pixelating the video image of a scene

© في العالم الحقيقي ‎Jia‏ بكسلات أمامية؛ وأن مجموعة من البكسلات الأمامية تشكل مجموعة بقعة© in the real world Jia front pixels; and that a group of front pixels form a spot group

أمامية من واحدة أو أكثر من البقع الأمامية؛ ولكل واحد من مواقع لاا في صورة الفيديو؛ حيث ‎N‏anterior of one or more anterior spots; And for each of the locations of the la's in the video image; where N

‎Ji‏ عدد صحيح؛ تقارن شكل محدد مسبقاً مع مجموعة البقعة الأمامية لتحديد أن ‎X‏ أشخاص يتمJi is an integer; Compares a predetermined shape with the frontal spot group to determine that X persons are formed

‏تمثيلهم بواسطة مجموعة البقعة الأمامية؛ حيث أن ‎Jia X‏ عدد صحيح.their representation by the frontal macula group; Where Jia X is an integer.

‏يمكن أن تتضمن الطرق تحديد موقع كل واحد من ‎X‏ أشخاص . يمكن تحديد مواقع كل واحد من ‎X Yo‏ أشخاص على ‎Lua‏ موقع د اخل مستوى أفقي من العالم الحقيقي 3 مثل موقع على مستوى أرضMethods can include locating each of the X people. Each of the X Yo people on Lua can locate a location within a horizontal plane of the real world 3 such as a location on a ground level

‏مادية من العالم الحقيقي.material from the real world.

‏يمكن استخدام كشف الأجسام البشرية لعد الأفراد. لتحليلات الحشود ولاكتشافات أحداث أخرى.Human body detection can be used to count individuals. For crowd analyzes and for other event detections.

‏يتم الكشف عن نظام ‎Seals‏ يمكن تهيئتها لإجراء ‎Jie‏ هذه الطرق.The Seals system can be configured to perform Jie detection in these ways.

‏أوساط قابلة للقراءة ‎readable media‏ بواسطة حاسب آلي تحتوي على برمجيات ‎software‏ ‏5 يمكن استخدامها لتهيئة حاسب آلي لإجراء العمليات الموصوفة في الطلب الحالي وتشتمل علىComputer readable media containing software 5 that can be used to configure a computer to perform the operations described in the present application and include

‏نماذج أخرى من الاختراع.Other models of the invention.

‏شرح مختصر للرسوماتBrief description of the graphics

‏ستكون النماذج التمثيلية مفهومة بمزيد من الوضوح من الوصف التفصيلي التالي عند تناولهاRepresentative models will be more clearly understood from the following detailed description when they are taken up

‏بالاشتراك مع الأشكال المرفقة. تمثل الأشكال نماذج تمثيلية غير مقيدة طبقاً لما تم وصفه في ‎ye‏ الطلب الحالي.In combination with the attached figures. The figures represent unconstrained representative forms as described in ye the present order.

‏الشكل ‎١‏ يوضح نظام مراقبة نموذج بالفيديو وفقاً لأحد النماذج التمثيلية من الاختراع.Figure 1 illustrates a model video surveillance system according to one of the representative models of the invention.

‎TegTeg

‎Qo _‏ _ الشكل ‎١‏ يوضح هيكل تمثيلي من تيار فيديو من نظام المراقبة بالفيديو وفقاً لأحد النماذج التمثيلية من الاختراع. الشكل “أ يوضح مخطط تدفق بياني تمثيلي لكشف هدف وعد ‎Ty‏ لأحد النماذج التمثيلية من الاختراع. © الشكل "ب يوضح أحد الأمثلة حيث يشغل العديد من النماذج البشرية صورة لفيديو ثنائية الأبعاد؛ كل منها يناظر موقع مختلف بالنسبة إلى صورة الفيديو ثنائية الأبعاد الشكل ؟ج يوضح صف مفرد من إحداثيات تمييز (*؛ لا) ١7؟‏ كل منها مرتبط بنموذج بشري مناظر ‎NY‏ ‏الشكل ‎OF‏ يوضح طريقة تمثيلية لحساب خريطة احتمالية بشرية. ‎٠‏ الشكل ‎AY‏ يوضح طريقة تمثيلية لإجراء خريطة مفردة لخريطة الاحتمالية كجزءٍ من إيجاد أفضل عدد من النماذج البشرية في صورة فيديو . الشكل ‎SF‏ يوضح طريقة ‎shal‏ مجموعة تمريرات لخريطة الاحتمالية فيما يتعلق بإيجاد أفضل عدد من النماذج البشرية في صورة فيديو . الشكل ؛ يوضح ‎zis‏ بشري شامل يتضمن ‎zis‏ اسطواني ثلاثي الأبعاد ‎Three—‏ ‎dimensional Vo‏ ونموذج هيكله المحدب ‎convex hull‏ المناظر ثنائي الأبعاد. الشكل © يوضح نموذج كاميرا شامل مسطح الأرض يمكن معايرته باستخدام العديد من عينات الصور البشرية. الأشكال ١أ؛‏ 1ب و ١7ج‏ توضح نتائج كشف تمثيلية. الأشكال ‎Vy‏ و اج : توضح أحد الأمثلة لرؤية كثافة حشود بشرية بناء على نتائج الكشف 9ص البشري. الشكل ‎A‏ يوضح تطبيقات تمثيلية لكشف أحداث متنوعة متعلقة بالحشود. كنكQo _ _ Figure 1 shows a representative structure of a video stream from a video surveillance system according to one of the representative embodiments of the invention. Figure A shows a representative flowchart of Ty promise target detection for one representative embodiment of the invention. © Figure B shows an example where several human models occupy a 2D video image; each corresponds to a different location relative to the 2D video image. Human analogue NY Figure OF shows a representative method for calculating a human probability map. The shal method is a pass set of probability map for finding the best number of human models in a video image. 2D views Figure © showing a pan-Earth camera model that can be calibrated using many human image samples Figures 1a, 1b and 17c show representative detection results Figures Vy and C: illustrate an example of a population density visualization based on Results of human detection pp. 9. Figure A shows representative applications for detecting various weed-related events friendship. knk

Claims (2)

ده عناصر الحماية ‎-١‏ طريقة لكشف أجسام بشرية في فيديو؛ تشتمل على: تحديد أن بكسلات صورة فيديو تكون بكسلات أمامية ‎pixels‏ 1016910000 صورة؛ وأن مجموعة من البكسلات الأمامية تشكل مجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية ‎foreground blobs‏ ؛ لكل واحد من أشكال المحددة مسبقًا في المواقع المناظرة من مواقع لا © المحددة مسبقًا في صورة الفيديو؛ حيث ‎LGN‏ عدد صحيح مقارنة شكل مناظر محدد مسبقاً معThese are the protections - 1 a way to detect human bodies in a video; These include: specifying that the pixels of a video image are the front pixels of 1016910000 image pixels; and that a group of foreground pixels forms a foreground blob group of one or more foreground blobs; for each of the predefined shapes in the corresponding no © predefined locations in the video image; where LGN is an integer to compare a predefined corresponding shape with مجموعة البقعة الأمامية للحصول على احتمالية مناظرة لإنسان في الموقع؛ وبالتالي يتم الحصول على احتمالات ‎N‏ تناظر احتمالاتلا ؛ باستخدام احتمالاتلا ؛ وتحديد أن أشخاص يتم تمثيلهم بواسطة مجموعة البقعة الأمامية؛. حيث أن *ل ‎Jia‏ عدد كامل؛ و تزويد واحد على الأقل من تقريرء ‎I)‏ واكتشاف حدث باستخدام تحديد تمثيل ‎X‏ للبشر؛anterior spot group to obtain a probability corresponding to a human in situ; Thus, N probabilities corresponding to N probabilities are obtained; using odds no; specify that people are represented by the frontal macula group; Where *for Jia is a whole number; provide at least one I) report and event discovery using select X representations of humans; ‎٠‏ حيث يتم تحديد مقاس الشكل المناظر المحدد مسبقًا لكل موقع من مواقع ‎N‏ استجابة لمعايرة نظام الفيديو؛ و حيث إن مقارنة الشكل المناظر المحدد مسبقًا مع مجموعة البقعة الأمامية لكل أشكال ‎N‏ المحددة ‎Gre‏ تشتمل على تحليل مقدار منطقة تداخل للشكل المناظر المحدد ‎Bie‏ مع مجموعة البقعة الأمامية.0 where the predefined corresponding shape is sized for each of the N positions in response to the video system calibration; Whereas, comparison of the predefined corresponding shape with the front spot group of all selected N shapes Gre involves analyzing the amount of overlapping area of the selected corresponding shape Bie with the front spot group. ‎Vo ‏الطريقة وفقاً لعنصر الحماية ٠؛ حيث تشتمل أيضاً على احتمالات لا لتحديد موقع كل‎ -" ‏واحد من * أشخاص.‎ ‏بشري يكون‎ X ‏حيث في الموقع المحدد من كل واحد من‎ oF ‏الطريقة وفقاً لعنصر الحماية‎ -*Vo method according to claim 0; Where it also includes possibilities not to locate every -" one of * persons. Human X is where at the exact location of each one of the method according to the claim -* ‎Yo‏ موقع في نطاق مستوى صورة مناظر لصورة الفيديو. ؟- الطريقة وفقاً لعنصر الحماية ‎oF‏ حيث في الموقع المحدد من كل واحد من ‎X‏ البشر يوجد موقع بالنسبة إلى مستوى الأرض المادي المناظر للعالم الحقيقي.Yo A location within an image plane range corresponding to the video image. ?- The method according to the oF claim where at the specified location of each of the X humans there is a location relative to the physical ground plane corresponding to the real world. ‎TegTeg ‎Ad —_‏ _ 5- الطريقة وفقاً لعنصر الحماية ‎ua)‏ تحديد بكسلات أمامية ‎foreground pixels‏ صورةٌ الفيديو يتضمن مقارنة هيكل أول لصورة فيديو بدون الأجسام الأمامية بمقارنة هيكل ثاني لصورة الفيديو التي تحتوي على الأجسام الأمامية. © +- الطريقة وفقاً لعنصر الحماية ‎Cuno)‏ يكون الشكل المحدد مسبقاً متماثل لكل واحد من المواقعAd —_ _ 5 - method according to claim ua) Determination of the foreground pixels of a video image involves comparing a first structure of a video image without foreground objects to a comparison of a second structure of a video image containing foreground objects. © +- method (according to the Cuno protection) The predefined shape is the same for each of the sites ‎N ‏حيث يكون للشكل المحدد مسبقاً لبعض على الأقل من‎ ٠ ‏الطريقة وفقاً لعنصر الحماية‎ —YN where the predefined shape of at least some of the 0 has the method according to the claim —Y ‎١٠ ‏جزء‎ Syma ‏الطريقة وفقاً لعنصر الحماية )0 حيث معايرة نظام الفيديو تشتمل على تحديد حجم‎ —A ‏من صورة الفيديو المناظر لمتوسط الحجم البشري عند كل واحد من المواقع لا ؛ وحيث يتم تحديد‎ ‏حجم الشكل المحدد مسبقاً لكل واحد من المواقع لا استجابة حجم الصورة المناظرة.‎10 Syma part Method under claim 0) where calibration of the video system involves determining the A — size of the video image corresponding to the average human size at each of the locations no; And since the predetermined shape size is specified for each of the sites, there is no response to the corresponding image size. ‎Vo‏ +- الطريقة وفقاً لعنصر الحماية ١؛‏ تشتمل أيضًا على؛ قبل تحديد بكسلات صورة الفيديو التي هي ‎Ble‏ عن بكسلات أمامية؛ لكل واحد من المواقع ‎N‏ ؛ تحديد الشكل المناظر المحدد مسبقاً من خلال تقدير أن جزء الصورة الأمامية مشغول في صورة الفيديو ‎Laie‏ يخرج إنسان عند الموقع المناظر.Vo +- method according to claim 1 also includes; Before determining which video image pixels are Ble from front pixels; for each of the N sites; Determine the predetermined corresponding shape by estimating that the foreground part of the image is occupied in the video image. Laie exits a human at the corresponding location. ‎N ‏الطريقة وفقاً لعنصر الحماية 9؛ حيث إن تقدير جزء الصورة الأمامية لكل من المواقع‎ -٠١ 0 ٠ ‏يكون بناء على إسقاط نموذج بشري واقعي على مستوى صورة صورة الفيديو.‎ ‏الطريقة وفقاً لعنصر الحماية )0 حيث تشتمل صورة الفيديو على مجموعة من إطارات‎ -١١ ‏؛ كل واحد من المواقع لا‎ N ‏الصورة؛ يشتمل كل إطار صورة على صورة ثنائية الأبعاد لها مواقع‎N method in accordance with claim 9; Whereas, the estimation of the foreground image portion for each of the sites 01-0 0 is based on the projection of a realistic human model on the image level of the video image. Each of the sites does N s; Each image frame contains a 2D image with locations ‎YO‏ مميز بزوج إحداثي مناظر * » لا في نطاق صورة ثنائية الأبعاد.YO is marked with a corresponding coordinate pair * » not within a 2D image range. ‎TegTeg _ _ ‎VY‏ الطريقة وفقاً لعنصر الحماية ‎VY‏ حيث كل واحد من المواقع لا يكون مرتبطاً بشكل مناظر واحد ‎N‏ محدد مسبقاً بالنسبة إلى مستوى صورة مناظر لصورة الفيديو. ‎-٠‏ الطريقة وفقاً لعنصر الحماية ‎٠‏ حيث تشتمل أيضاً على؛ لكل واحد من المواقع ‎N‏ ؛ حساب © نسبة استدعاء من الشكل المناظر المحدد مسبقاً وبقعة أمامية الصورة لتحديد احتمالية مرتبطة. ‎-٠6‏ الطريقة وفقاً لعنصر الحماية ‎OF‏ حيث لكل واحد من المواقع !ا ؛ يشتمل حساب نسبة الاستدعاء على تحديد نسبة من (أ) مساحة تشتمل على تداخل مساحة يشغلها الشكل المحدد مسبقاً والبقعة الأمامية و(ب) مساحة البقعة الأمامية. ‎١٠‏ ‎—Vo‏ الطريقة وفقاً لعنصر الحماية ‎١١‏ حيث تشتمل أيضاً ‎de‏ تكوين خريطة احتمالية باحتمالات ‎N‏ ؛ تحديد القيم القصوى الموضعية لاحتمالات لخريطة الاحتمالية. - الطريقة وفقاً لعنصر الحماية 10 حيث تشتمل أيضاً على انتقاء موقع أول من المواقع لا ‎Vo‏ المناظر لقيمة قصوى موضعية لخريطة الاحتمالية ؛ الحصول على الشكل الأول المحدد مسبقاً المناظر للموقع الأول؛ تحليل مقدار تداخل مساحة يشغلها الشكل الأول المحدد مسبقاً والبقعة. ‎-١١‏ الطريقة وفقاً لعنصر الحماية ‎Clam) T‏ نسبة أولى (أ) من مساحة تشتمل على تداخل مساحة مشغولة بشكل محدد مسبقًا أول وبقعة أمامية و (ب) مساحة بقعة أمامية ؛ ‎YS‏ حيث يتم استخدام النسبة الأولى؛ لتحديد أن كل أفراد يتم تمثيلهم بواسطة البقعة الأمامية. ‎-٠‏ الطريقة وفقاً لعنصر الحماية ‎١٠‏ حيث تشتمل أيضاً على اختيار مجموعة فرعية من أشكال ‎N‏ المحددة ‎Gow‏ بناءً على احتمالات لا . و تحليل تداخل مساحة تشغلها أشكال محددة مسبقًا للمجموعة الفرحية المختارة لاا ومساحة تشغلها ‎Yo‏ بقعة أمامية. ‎Teg‏ too ‏دقة وقيمة استدعاء‎ dad ‏الطريقة وفقاً لعنصر الحماية 10( حيث تشتمل أيضاً على حساب‎ —1 4 ‏بحيث تكون 17 عدد صحيح؛ كل واحد من مواقع 77 مناظر‎ (Nally 7 ‏لكل واحد من مواقع‎ ‏لقيمة قصوى موضعية لخريطة الاحتمالية.‎_ _ VY The method according to the VY claim where each of the locations is not associated with one N predetermined analog with respect to a corresponding image plane of the video image. -0 the method according to claim 0 where it also includes; for each of the N sites; Calculate the Ratio © recall of the pre-selected corresponding shape and frontal spot of the image to determine an associated probability. -06 The method according to the claim OF, where for each of the sites a! The calculation of the recall ratio involves determining the proportion of (a) the area comprising the overlapping area occupied by the predetermined shape and the front spot and (b) the area of the front spot. 10—Vo method according to claim 11 where de also involves creating a probability map with probabilities of N ; Determine the positional maximum values of probabilities for the probability map. – the method according to claim 10 where it also includes the selection of a first of the non-Vo sites corresponding to a local maximum value of the probability map; get the first predefined shape corresponding to the first location; Analyze the amount of overlapping space occupied by the first predefined shape and spot. -11 Method pursuant to Claim T a first proportion of (a) an area comprising the overlap of a predetermined occupied space first and a front spot and (b) a front spot area; YS where the first ratio is used; To specify that each individual is represented by the anterior macula. 0- The method according to Claim 10 where it also includes the selection of a subset of the given N forms of Gow based on the probabilities of not . f Overlapping analysis of space occupied by predetermined polymorphisms of the selected gametic group No and space occupied by the Yo anterior spot. Teg too Accuracy and value of invoking the dad method according to claim 10 (which also includes arithmetic —1 4 so that 17 are integers; each of the 77 positions Nally 7 for each of the locations For a positional maximum value of the probability map ‎-7١ 0‏ الطريقة وفقاً لعنصر الحماية ‎١‏ حيث تشتمل أيضًا على انتقاء تتابعياً من ‎١‏ إلى ‎Mm‏ لمواقع لاا وانتقاء موقع ‎(m-th)‏ باستثناء انتقاء واحد لاحق من مواقع ‎N‏ يقع في نطاق مسافة أولى محددة مسبقاً من موقع ‎th(m=1)‏ .-71-0 the method according to claim 1 wherein it also includes sequential picking from 1 to mm of no sites and (m-th) site picking except for one subsequent picking from N sites within a distance A predefined first from the location of th(m=1). ‏)1 الطريقة وفقاً لعنصر الحماية ١؛‏ تشتمل أيضًا على انتقاء تتابعياً من ‎١‏ إلى 17 من مواقع ‎(NY‏ حيث يشتمل انتقاء موقع تالي من مواقع ‎N‏ على اختيار موقع بناءً على قربه من حافة سفلية لصورة فيديو. ‎YY‏ طريقة لكشف أجسام بشرية في ‎«pad‏ تشتمل على: تحديد بكسلات صورة الفيديو لمنظر في العالم الحقيقي تمثل بكسلات أمامية ‎foreground‏ ‎pixels Vo‏ ؛ وتشكيل مجموعة من بكسلات أمامية لمجموعة بقعة أمامية من واحدة أو أكثر من البقع الأمامية ؛ لكل واحد من أشكال لا المحددة ‎Base‏ لمواقع مناظرة من مواقع ‎N‏ المحددة مسبقًا في صورة الفيديو؛ حيث !ا تمثل عدد صحيح؛ تقارن الشكل المناظر المحدد مسبقاً مع مجموعة البقعة الأمامية لتحديد )ل الأفراد الذين يتم تمثيلهم بواسطة مجموعة البقعة ‎Bale)‏ حيث أن ‎X‏ ‏تمثل عدد صحيح ويتم تحديد موقع كل واحد من ‎X‏ أشخاص على هيئة موقع داخل مستوى أفقي1) Method pursuant to claim 1; also includes sequential selection from 1 to 17 (NY) locations where selection of a subsequent N locations involves selection of a location based on its proximity to a bottom edge of a video image. YY A method for detecting human subjects in a “pad comprising: defining pixels of a video image of a real-world scene that represent foreground pixels Vo; forming a set of foreground pixels of a foreground spot group from one or more foreground pixels; for each One of the preselected No Base shapes to corresponding locations from N preselected locations in the video image, where a !represents an integer; compares the corresponding preselected shape with the foreground spot group to select (for individuals represented by the Bale group) Where X is an integer and the location of each of the X persons is given as a location within a horizontal plane ‎dll oe Yo‏ الحقيقي. تقديم واحد على الأقل من تقريرء إنذارء اكتشاف حدث حيث تتجاوز الحشود العتبة؛ باستخدام تحديد تمثيل ‎XJ‏ أشخاص ؛ حيث حجم الشكل المناظر المحدد ‎Brose‏ لكل مواقع ‎N‏ يتم تحديده بناءً على معايرة نظام الفيديو؛ حيث يستخدم النظام للحصول على صورة فيديو.dll oe Yo the real one. Submission of at least one alert report on detection of an event where crowds exceed a threshold; Using specify representation of XJ Persons; where the size of the corresponding shape defined Brose for all N sites is determined based on the calibration of the video system; Where the system is used to obtain a video image. ‎TegTeg ‎h —_‏ _ حيث إن مقارنة الشكل المناظر المحدد مسبقًا مع البقعة الأمامية لكل من أشكال ‎N‏ المحددة مسبقًا تشتمل على تحليل مقدار من مساحة تداخل للشكل المناظر المحدد ‎Bre‏ مع مجموعة البقعة الأمامية. © 9؟- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على كشف وجود حشد بمراجعةh —_ _ where comparison of the preselected corresponding shape with the leading spot for each of the preselected N shapes involves analyzing the amount of overlapping area of the selected corresponding shape Bre with the frontspot group. © 9?- The method according to claim YY, which also includes detection of the presence of a crowd with a review ‏بعض على الأقل من مواقع ‎X‏ أشخاص . ؟- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على تحديد وجود حشد عندما يتم تحديد أن 7١ل‏ ل أشخاص توجد في نطاق منطقة من المستوى الأفقي من العالم الحقيقي.At least some of the X People sites. ?- The method according to claim YY also includes a determination of the presence of a crowd when it is determined that 71l of persons are within a horizontal plane area of the real world. ‎١١ ‏حيث تشتمل المنطقة الأولى على شكل هندسي محدد‎ VE ‏الطريقة وفقاً لعنصر الحماية‎ -»5 ‏مسبقاً له حجم مساحة محدد مسبقاً في نطاق العالم الحقيقي.‎ ‏حيث تشتمل المنطقة الأولى على منطقة محددة بدائرة.‎ VE ‏الطريقة وفقاً لعنصر الحماية‎ -711 Where the first region includes a defined geometry VE method according to claim – “5 has a predetermined area size in real-world scale. Where the first region includes a region defined by a circle. VE method according to for protection element -7 ‎Vo ‏الطريقة وفقاً لعنصر الحماية 77؛ حيث تشتمل أيضاً على تحديد كثافة حشد أول في نطاق‎ — YY ‏منطقة أولى مناظرة لهيكل أول لصورة الفيديو؛ تحديد كثافة حشد ثان في نطاق منطقة أولى‎ ‏مناظرة لهيكل ثاني صورة الفيديو؛ تحديد تجمع حدث حشود استجابة لكثافة حشد أول وكثافة‎ ‏حشد ثان.‎Vo method pursuant to claim 77; It also involves specifying a first swarm density in the YY range — a first region corresponding to a first structure of the video image; Determine the density of a second cluster within a first region corresponding to the structure of a second video image; Determine the gathering of a crowd event in response to the density of a first crowd and the density of a second crowd. ‏9ص ‏8- الطريقة وفقاً لعنصر الحماية ‎YY‏ حيث تشتمل أيضاً على تحديد كثافة ‎ada‏ أول في نطاق منطقة أولى مناظرة لهيكل أول صورة الفيديو؛ تحديد كثافة حشد ثان في نطاق منطقة أولى مناظرة لهيكل ‎SB‏ صورة الفيديو؛ تحديد حدث تشتت حشد استجابة لكثافة حشد أول وكثافة حشد ثان.9 p. 8 - method according to claim YY which also includes determination of a first ada intensity within a first region corresponding to the structure of the first video image; Determine the density of a second cluster within a first region corresponding to the SB structure of the video image; Determination of a swarm dispersal event in response to a first swarm density and a second swarm density. ‎YO‏ 4؟- نظام مراقبة بالفيديو؛ يشتمل على مصدر فيديو مصمم لتزويد صورة فيديو من منظر من العالم الحقيقي؛ وحدة اكتشاف أمامية مصممة لاكتشاف بكسلات صورة الفيديو؛ مجموعة منYO 4?- video surveillance system; Includes a video source designed to provide a video image of a real-world view; Front detection unit designed to detect video image pixels; a group of ‎TegTeg 7ج البكسلات الأمامية ‎foreground pixels‏ تشكل مجموعة بقعة أمامية لواحدة أو أكثر من البقع الأمامية؛ وحدة اكتشاف بشرء؛ حيث إن كل شكل من أشكال لا المحددة مسبقًا في المواقع المناظرة ل لالفي صورة ‎dua pad‏ لا عبارة عن عدد صحيح؛ تكون وحدة الاكتشاف البشري مصممة لمقارنة © الشكل المناظر المحدد ‎Bre‏ مع مجموعة البقعة الأمامية لتحديد ‎X‏ أشخاص يتم تمثيلهم عن7c foreground pixels form a foreground spot group of one or more foreground pixels; human discovery unit Whereas each of the predefined forms of la in the corresponding locations of the thousand image dua pad la is an integer; The Human Detection Module is designed to compare the selected corresponding figure Bre with the frontal spot set to select X persons represented by طريق مجموعة البعقة ‎dele)‏ حيث تكون ل عبارة عن عدد كامل؛ حيث تكون وحدة الاكتشاف البشري مصممة لمقارنة الشكل المناظر المحدد مسبقًا مع البقعة الأمامية لكل شكل لا محدد ‎Base‏ ‏عن طريق تحليل مقدار لمنطقة تداخل من الشكل المناظر المحدد ‎Bre‏ مع ‎de gene‏ البقعة الأمامية؛ وby dele) where l is a whole number; where the human detection unit is designed to compare a predetermined corresponding motif with the fore spot of each base indeterminate motif by quantifying the overlapping area of the selected morphotype Bre with the de gene fore spot; And ‎٠‏ وحدة استجابة مصممة لتقديم واحد على الأقل من تقريرء إنذار» واكتشاف حدث ‎Laie‏ تتجاوز الحشود العتبة؛ باستخدام تمثيل ل ‎X‏ أشخاص .0 response module designed to provide at least one “alarm report” and detect a Laie event Crowds exceed threshold; using a representation of X persons. ‏كنكKnock يخYeh . % % Fo | 3 * 0 x he 1 } Y 1 1 , A 0" "> : ‏ا ل © اليس بر‎ iS 1 | ; : ¢ 1 > ال بس ‎X L‏ يد dowd he rd Yoo} ١ ‏شكل‎ ‎TEN jo 3 ws Lg 4 BF cies SREY | 1 *( ‏لوس‎ ‎lk ET | RE ‏ف‎ EE rE ‏تنب‎ RE i AE i Ae ews i i SE ‏لومي بج جو ل‎ 5 ‏ات‎ SH ‏ا ا إل‎ : 3 ٍ 8 ‏ب‎ ‎i end ‏ااا‎ a i] ‏ال‎ Ay BRST er Ey I se LEE Sam 4 GE, SEE rH ELSE Een k ‏ب ا امل ل‎ a > ‏ل‎ AY : SUEUR ESE RE So = 3 ‏ل‎ RETRY FRE oy RARER a ¥ BE : wy SLL Em 9 oi PRS RE Bs see] SER EY LL hy FE Sy PARE >] Feil 3 Js ‏ل‎ ‎Eg ‏وا‎ a Won ‏ا د ا ا ا ا‎ ‏الاي‎ EERE ‏ل ا ل ا‎ # ‏اا‎ SANE SE 1 ‏ال‎ RN - SE NN ad ‏دمي‎ HC ER RR TE EARN RRR + ‏ا ال‎ ta Sn EEN Rint A RR EERE EER SERRE ‏ا ل‎ ‏ا‎ a ‏اق‎ J FO CETTE: ‏اموي‎ La Er SU : CARTS ERROR + ‏ا لحا الاج‎ 3 FE FRE 1 ‏لا ا‎ 8 ‏اد لاما ااا‎ ‏ام‎ Rs in SR ‏تا‎ ess 5 { BENE SYRRE SPEEA : OX seme Na CR ‏الو‎ ‎20 ‏ا‎ Rdeaa 58 ‏اا ا الا‎ x RR PR WR EX ‏ا لت‎ ‏ا‎ ‏يب‎ a Te nly Ea RC J SEN 0 ‏ل‎ a ‏الا‎ ‏تت المي‎ NRE i ig Soe, AERTS f oR see ‏الى الك‎ 1 ‏ا ا‎ RTE : ‏ا‎ ‏تا 1 بو ب‎ IY Pra ‏الل ل‎ R Bk ERIE ‏ا‎ ‎2 i GEERT R py WS AR ‏اي ا الما‎ ‏الات ا امسا‎ A ‏ل الا ل تاي ان اي‎ SEEN ‏ال يتا‎ A ‏بهد‎ ‏الا ا ا ا نس‎ + ‏ال‎ ‎4 SRR sob PERI SL a I LC 3 PRL ‏ا لجو عي أ‎ ‏ا‎ 3 : RS : WE 3 ; oo i po ‏دم 8 الم‎ 03 ‏م‎ i AREA. % % Fo | 3 * 0 x he 1 } Y 1 1 , A 0" ">: a l © Alice Barr iS 1 | ; : ¢ 1 > the only X L hand dowd he rd Yoo} 1 Fig. TEN jo 3 ws Lg 4 BF cies SREY | 1 *( Los lk ET | RE F EE rE TnB RE i AE i Ae ews i i SE Lumi BIG JU L 5 ET SH A L : 3 8 8 b i end a a i] Ay BRST er Ey I se LEE Sam 4 GE, SEE rH ELSE Een k I hope for a > for AY : SUEUR ESE RE So = 3 for RETRY FRE oy RARER a ¥ BE : wy SLL Em 9 oi PRS RE Bs see] SER EY LL hy FE Sy PARE >] Feil 3 Js for Eg wa a Won A A A A A A I EERE L A L A # AA SANE SE 1 L RN - SE NN ad MY DUMMY HC ER RR TE EARN RRR + A L ta Sn EEN Rint A RR EERE EER SERRE A L A a a q J FO CETTE: Amoy La Er SU : CARTS ERROR + Urgency 3 FE FRE 1 No A 8 Ed Lama Aaa M Rs in SR Ta ess 5 { BENE SYRRE SPEEA : OX seme Na CR Alu 20 Rdeaa 58 AA RA x RR PR WR EX RA TE nly Ea RC J SEN 0 RA a Aala Tat Me NRE i ig Soe, AERTS f oR see To Alk 1 A A RTE: A Ta 1 Bo B IY Pra A L L R Bk ERIE A 2 i GERT R py WS AR PERI SL a I LC 3 PRL Hungry A A 3 : RS : WE 3 ; oo i po blood 8 pm 03 pm i AREA _ Qo = YY ‏ا ل . . 1 سس‎ ‏ا‎ | " r ' | ¢ Lt Ee a TT TeX Yel CEA] Teg_ Qo = YY a l . . 1 SS A | r'|¢ Lt Ee a TT TeX Yel CEA] Teg -ه١-‎ ‏امن‎ ‏بن أ‎ at Xa 0 1 ْ ‏م1 با ون لج‎ 1 ‏د‎ Sl y 0 1891 \ FN mE, © ‏ب‎ ta ١ wy, _ a ‏الج الا‎ LL f K ‏محر‎ ‎a) fo & 0 ( iy ) ‏شكل‎ Ska / Va 4 Bratman : ‏اله‎ ‎| 4 (re) | .' ‏زر كر‎ ‏اها اساي‎ (er) ‏شكل‎ ‎Tag-E 1- Amen Ben A at Xa 0 1 º M 1 Ba On Lg 1 D Sl y 0 1891 \ FN mE, © B ta 1 wy, _ a C A LL f K motif a) fo & 0 ( iy ) form Ska / Va 4 Bratman: God | 4 (re) | .' Aha Asai button (er) form Tag اج .ع ‎i J‏ ان ‎TN‏ ض ‎ab is‏ #8 _ “ الشكل ‎sy‏ ‏كنكA A i J N TN Z ab is #8 _ “Fig. sy knick ‎Ad —‏ جم ا جيني 7 بداية مسي يي ال 5 ‎Sres‏ ‎pe “a, 3 :‏ ‎bl‏ ين ‎si‏ ‎re | “a ْ‏ ‎Sven Pe VR,‏ : 5 مح ايا ب ب ا نعم 7ل ‎Fa TY‏Ad — Jm A Geni 7 Beginning of Messiah 5 Sres pe “a, 3 : bl yen si re | “a º Sven Pe VR, : 5 erased B B A Yes 7 L Fa TY 3 . لضا 3 ‎Se‏ ‏اسه ‎١‏ لشكل ام ‎Teg‏3 . So 3 Se is 1 of the form Teg um _ جم للستت ‎Coa)‏ ‎eso I‏ : بخ ا 1 ا : 1 : : 0 ‎ES 0‏ ْ 5327 1 :ْ ا لمسسسسسسسسسسس سس ض ,ْ & 5 القع 0 ‎Sra :‏ 1 ‎t [1‏ : ْ ا 1 ‎Ra pe‏ مي 0 به ‎BE‏ مين ‎Sra ld‏ سه ين ‎To‏ ‏يي ا ‎eT 3‏ الس : ; ليع إن 3_ g for st (Coa) eso I : s a 1 a : 1 : : 0 ES 0 1 t [1] : ° a 1 Ra pe mi 0 by BE min sra ld ssn to ye a eT 3 s: ; Lia in 3 ا 1 ‎is‏ ‏يم 1 ‎ard] iy‏ ا ‎fan SOR‏ ¥ الشكل ؟ في + ‎J‏ ‏ا he ie] ‏جتحي‎ 0 + en Na ‏اا 3 نهل‎ enn 5 Eh] [ated i Boy es BE Dn.a 1 is yum 1 ard] iy a fan SOR ¥ the figure? In + J a he ie] 0 + en Na 3 enn enn 5 Eh] [ated i Boy es BE Dn. LR 88 AR Sa ie ‏إٍْ‎ A ‏ا ع‎ ‏ان الما اا‎ 1 ‏الا الاي اط م‎ 0 i ‏اي‎ I AN a en ١ ‏رء‎ ‎: sie visi i 0 ‏ا المح موود م ال‎ i fren EEE [4 A 7 © ‏نا‎ fa i Ng ERG 2 : ‏ا 8 ا‎ = 0 ‏ص‎ " HL + ‏الشكا‎ ‎At ‏ف‎ i ‏ب‎ ay i ‏مل‎ ١ \ oe 1 i wr > + ‏زج المح د الوا جين ممم ل ا الم ل ا‎ bd ‏اا ا الا اا ا ا‎ La ht Le ny kd SUN A Te RR a Se 4 bo JS ‏ترا او‎ AT lm 1 - ‏الا‎ RR ‏ده‎ & CET ¥ Pig ELE NER Es ‏ل‎ 1 ‏ا 0 الا‎ SL Re] 1 AE GEE 0 ST wg i yt 1 5 ni 1 0 i bo a: = ha in ay : 5 hoot ot nye) ae, Rs 0 : 3 SIRT en NGA TR gh 0 ‏ااا اي‎ : ‏تله تتام‎ a =) I AE Ra BE i 2 ‏را ا ا ال ل‎ 0 Sn ‏ا‎ i 0 ETI ‏ا ال ا اي يي‎ 0: : RAR sss 1 1 ‏لاا‎ ‏ا‎ ‎& ‏لشكل‎ > TegLR 88 AR Sa ie a e A a a an an aa aa 1 aa aa aa 0 i ay I AN a en 1 aa: sie visi i 0 a a moud m a i fren EEE [4 A 7 © Na fa i Ng ERG 2 : A 8 A = 0 y "HL + Shakka At F i B ay i ml 1 \ - except RR de & CET ¥ Pig ELE NER Es l 1 a 0 except SL Re] 1 AE GEE 0 ST wg i yt 1 5 ni 1 0 i bo a: = ha in ay : 5 hoot ot nye) ae, Rs 0 : 3 SIRT en NGA TR gh 0 Aaa y: Talh Tatam a =) I AE Ra BE i 2 RA A A L 0 Sn A i 0 ETI A LAEY 0: : RAR sss 1 1 ‎h —_‏ جم - 1 ‎Co 1 3 me‏ \ حم حا > ىا ‎١١ 1 RTT‏ ل اا نا ذا ‎TE‏ ‏نات ‎A io 1 ١1 CoN‏ ‎ST } LA Se AS CO‏ 1 قن 8 ‎i‏ { 1 نب ‎ot hat SC‏ ‎SE | ae 5% x, 3 1‏ 3 0 ال : } \ | ل م ‎my Uy‏ | أ ثم ‎١ RE ١ ١‏ 71 + _ذ : 8 ا ا ‎Non‏ ار امك 5 ‎i‏ : نم ‎y J‏ 15 0 § 0 5 مي يأ ‎A‏ : و 8 ٍ م 01 | ‎val x Pd‏ ‎AN‏ ل { خم حسم 1 ‎I‏ { يحضي ‎CE i‏ ‎UN‏ ا | لخ ا ‎i NU‏ ‎TSN A Box‏ >كد0 2 ‎EA Rh‏ 1 د 3 1 ا ‎OH FE‏ ب ‎RE SB‏ ‎١ ١+0 |‏ 7 7 4 ا ل ) ‎id } oh H‏ 3{ : 1 | { ‎x 1 \ { 8 I‏ \ ) (\ ابيا ‎ok Ne 3 SEEN VF WL UE NIL CL‏ ‎J »‏ | امك سيا النسنا سلا ‎J Ld‏ ام يسا ب حور ‎Co 0 X‏ ‎{eon‏ ‏شكل ‎(In)‏ ‎Tg‏h —_ g - 1 Co 1 3 me \ ha ha > A 11 1 RTT L AA NA THE TE NAT A io 1 11 CoN ST } LA Se AS CO 1 qn 8 i { 1 nb ot hat SC SE | ae 5% x, 3 1 3 0 the : } \ | L M my Uy | A then 1 RE 1 1 71 + _y : 8 AA Non Aramk 5 i : Nm y J 15 0 § 0 5 Mi ya A : and 8 A 01 | val x Pd AN L { Khem Hasm 1 I { CE i UN A | kh a i NU TSN A Box >kd0 2 EA Rh 1 d 3 1 a OH FE b RE SB 1 1+0 | 7 7 4 a ) id } oh H 3 {: 1 | { x 1 \ { 8 I \ ) (\ Abia ok Ne 3 SEEN VF WL UE NIL CL J » | Form (In) Tg > I "a ly — a Sion a ‏“ما‎ ‏لي‎ - 5 , a yr 1 an A RN a Ne a La . XN LL ٠ ‏أ ا‎ ‏ل ا ا يي‎ J 7's. fois ‏فالسمنم نط لا‎ ‏ال *؟*‎ 7 {ree} (wl) ‏شكل‎ ‎Teg> I "a ly — a Sion a "ma ly - 5 , a yr 1 an A RN a Ne a La . XN LL 0 a a a a a a a yy J 7's. fois No the *?*7 {ree} (wl) form Teg ‎A —_‏ جم & 0 3 ‎y‏ + ‎k3 7‏ 7 ا ‎Yom‏ ‏|,ززأإأأإألبسلل('لي6سشس+>اسجلبإبلللللللسللللللللمستمسمس جه ‎ee‏ ححصيA —_ g & 0 3 y + k3 7 7 a Yom | ‎em. em. 2. WW‏ ‎Wars. a 1‏ ‎EE‏ ل ال ا ا ‎a‏ حي اح ال ا ا ‎ee‏ ا : سنن ‎ey‏ ل ها 8 لبا م ال متي ‎TT Py‏ ا لت لد لح لح ل ل ا ل ا ل ‎a ١ hail‏ سم ص ‎—L‏ د اناكم ل ل ل ل ‎Mer‏ لذ ا اه ا ا ا ا ا الت اا ا اه ا ا ا تا اي ا تج ل ل ل ا ا ‎Trey oN Bey‏ ‎eee‏ ا لاا ‎ee %‏ 0 | خضي يا ‎FR RN leet‏ ا ‎PPL saa a es a‏2. WW Wars. a 1 EE l a l a a a hay ah a a a a ee a: sunan ey l a ha 8 lba a l a a a a a a l l l l l l l l a a a a a: sunan ey l a a l a l a l a l a a a a 1 hail sm s —L d I am you l l l l l Mer so a ah a a a a a a a a a a a a a a a a ta a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a ee %0 | Go ahead, FR RN leet a PPL saa a es a ‎Be.‏ ‏الآ ‎af‏ : ‎Re I eR ee‏ ‎SR RA A SH SI SOME Rn AERA Le CLI‏ و ل ا ‎ir rt‏ ‎ff Nr‏ ‎ee‏ أ اسح = لا ااا الا ‎E‏ ‏: د 5 أنه ; ا ا ا اليBe. : d 5 that ; A A A to me ‎«a. aa‏ ; ‎RE Aa a ra SE ei]‏ ‎RE a = nF‏ ‎Ree EN‏ ا ‎aa‏ ا ‎San‏ ~~ ‎a‏ ل ل ‎fF‏ ‎He Ee‏ ل ‎Roman rN‏ ‎Cary a ~‏ ا _ ‎Ee...‏ ‎Ly‏ ال اذ ام . __.—_ ‎TY‏ تخ اد لس 3 ‎fo‏ ‎aaa NRE‏ الا ‎TR gd‏ ‎Le‏ لس ااال ‎A.‏ ‎nn, SE‏ ‎TRL‏ ‎Ge eg‏ اي ا بس - الذي م ى| لاجم ال ا ل ال ا بك ع ‎RS ah? ET I I ee‏ ‎eR TR eg‏ ينم ال ل ‎Son‏ 4 ‎bY‏ 5 د ‎va . 3 0‏ سم 7 محور ‎y‏ ‎fe =‏ ‎Be‏ ‏شكل (+ج) لخر ‎FF of‏ + الخ«a. aa ; RE Aa a ra SE ei] RE a = nF Ree EN a aa a San ~~ a a for fF He Ee for Roman rN Cary a ~ A _ Ee... Ly The L.M. __.—_ TY ed les 3 fo aaa NRE except TR gd Le les aa A. nn, SE TRL Ge eg ie a but - which m Z | Lajim LA LA ABK AR RS ah? ET I I ee eR TR eg. 3 0 cm 7 y axis fe = Be form (+c) for another FF of + etc. ‎q —_‏ جم ‎SE Ee‏ جلا = 0 0 ‎Ne ND‏ ل ا ‎le 0 RR EEN‏ ‎PERN aaa‏ اي ‎a Foal tN ٠‏ 3 م لد ‎GARE Ea‏ ا ‎SN a‏ خض ا ل ل بحسي © ا اق مدلا ‎EERE Had‏ 2% ا ا الا ‎a fa‏ £5 8 ا 3 بدي 2 ‎ab 5 Soiled : TR AE \ oF : i‏ : اع ‎ois Ce‏ ا 3 ‎ER po‏ £7 ‎Nee‏ لح ٍ' ‎NL‏ ااا 0 ‎Ley‏ : ‎PUNE y NE Ree aN Se‏ ‎em‏ ان 5 ‎Tag benny‏ & اا 1 ‎ed Rs ee‏ جلا ‎re i RE a‏ > ل ‎of id‏ 5 ا ا ا ‎Tae 1 —‏ 5 يا الثم اله ا ‎ee a‏ لل ‎Wa Ely‏ لتقي ‎FA £2 1 h. a‏ ‎x Sand AF 4 9 SIRES Ne abe.‏ ‎yo FG =‏ التي ‎fig‏ ‏| = ل اا 5% الس تت ا للد نا ‎A‏ ‎EEE ERR Tae SNE‏ اا ل اج ‎HE‏ ‎nw‏ 3 اا اتج 8 ‎tad‏ ‎EN be‏ اد الل & ‎Sl‏ ‎Na Jenene RN‏ > 9 ‎NHR NEE aan ARERR‏ مسلا ا 8 0 0 ا . 3 لاا تاج و لاد ٍ ا الا ا ا ‎RE Sire NE Fi‏ ار م د بيك اا 1 ‎i EER‏ ا 7 سال ا 5 ‎Nea‏ ا ‎Na 5 Oe‏ ا ‎Fa a Rood met a‏ ‎re NE 8‏ 17 ا ‎oF en Pr‏ ا 0 ‎NE 3 Na ay‏ 0 ا ا : الا | 0 -- ال ‎EES‏ ااا الك 8 1 ا 5 8 ‎Lae i SERRE‏ 1 : اووس ا — اا »& > ‎Sha‏ ل ‎SER‏ ل ‎AIRE‏ الم ‎Hoe ay shes Wo a SE __#‏ ‎ew ABT . 8‏ ب ‎NN 8 ER‏ ميا ‎١‏ ال 3 ا ‎k: REESE aan‏ ا اص اد لالم ‎sas EEE =‏ 8 > 8 ‎+X Ta ee A Na‏ 15 23 ‎Fas Ly site NG Ne‏ ا ا أ ب و : ‎AW SRT‏ & 8 = ااا 4 ا يه 3 ا ‎Pow‏ لحم ‎a‏ % ‎Seti 3 ol SER RN NEE‏ ل ا 8 ‎Ss‏ : ا ‎I‏ ا ‎We got‏ الا ايها ا اج - 7 ا ا_ دا - ال - ل ‎Ne 2 Na =X‏ = ال ا اش ال ل 3 ‎x RRO gent‏ ف 2 0 ‎oF‏ 3 ا ‎ORE a pager ie‏ = 1 ل 4 ‎“ug‏ ‎ALAR, — rN‏ ‎A NN Sh NN‏ ال ين ‎N Se‏ ع الاك 8 0 ل ل ل ما . ا ا 1 ‎SCAT ar REN‏ 3 ا الك ُُ ب اج ااا ‎RE‏ ا 0 8 له ‎Ps‏ 5 وح 8 ‎Se‏ %“ ‎Sig Wis‏ ‎ME‏ ‎ry‏ ‏6 ‏ل ‏* ‏=$ ‏سلا ‎iy ) AL.‏ ( ‎Teg‏q —_ G SE Ee G = 0 0 Ne ND le a le 0 RR EEN PERN aaa i.e. a Foal tN 0 3 m for GARE Ea a SN a kheer A L L Bhassi © A AQ Mdla EERE Had 2% A A Lla A fa £5 8 A 3 Badi 2 ab 5 Soiled : TR AE \ oF : i : ois Ce a 3 ER po £7 Nee H' NL aaa 0 Ley : PUNE y NE Ree aN Se em 5 Tag benny & aa 1 ed Rs ee gala re i RE a > for ‎of id 5 a a a a ‎Tae 1 —‎5 oh then god a ‎ee a for ‎Wa Ely to meet ‎FA £2 1 h. a x Sand AF 4 9 SIRES Ne abe. yo FG = that fig | = LA 5% ST A for DNA A EEE ERR Tae SNE A L C HE nw 3 AT 8 tad EN be AD L & Sl Na Jenene RN > 9 NHR NEE aan ARERR muslim a 8 0 0 a . 3 No crown and children A except A A RE Sire NE Fi RM D Beck A 1 i EER A 7 Sal A 5 Nea A Na 5 Oe A Fa a Rood met a re NE 8 17 A oF en Pr A 0 NE 3 Na ay 0 A A : Except | 0 -- The EES AA Lak 8 1 A 5 8 Lae i SERRE 1 : Aws A — Aa »& > Sha L SER L AIRE L L Hoe ay shes Wo a SE __# new ABT. 8 b NN 8 ER mia 1 l 3 a k: REESE aan a s ed lam sas EEE = 8 > 8 +X Ta ee A Na 15 23 Fas Ly site NG Ne A A A B F : AW SRT & 8 = Aa 4 Aa 3 A Pow Meat a % Seti 3 ol SER RN NEE Aa 8 Ss : A I A We got except ah ag - 7 a a_ da - the - l Ne 2 Na = X = ala shl l 3 x RRO gent 2 0 oF 3 a ORE a pager ie = 1 l 4 “ug ALAR, — rN A NN Sh NN yen N Se p alak 8 0 l l l ma . A a 1 SCAT ar REN 3 a kb aa aa RE a 0 8 has Ps 5 and h 8 Se %” Sig Wis ME ry 6 l * =$ SLA iy ) AL. ( Teg _ h «= : a : 2 3, ve » ao \ sO © 3 BY o i HEY \ Ny . © ab ‏م‎ LO ‏فليا يا‎ J mt Sho © NALD, OO on ; ‏م ين للها "ب‎ LY ‏كبة .مجر ام‎ i ‏طم جا‎ Ff ‏أ‎ ‎we ‏إٍ ا لا ا‎ ‏رج —_— ا من جد‎ J [ Rhode? = Joi 1 [ ‏ا‎ We a cic Xe vo Sa WV ‏الشكل‎ ‎) ‏ل‎ / . - ‏لذ‎ ١ yd . = . {_ h «= : a : 2 3, ve » ao \ sO © 3 BY o i HEY \ Ny . © ab M LO Flia Ya J mt Sho © NALD, OO on ; M yen to it "B LY Kabbah Magjar Um i tam ja Ff A we ا ا ا ا RG —_— A from J [ Rhode? = Joi 1 [ A We a cic Xe vo Sa WV Figure (l / . - y 1 yd . = . { NN. 2 ‏ان‎ ‎- «J Naa 3 a = 1 EVIL EY ‏الشكل اج‎ ‏كنك‎NN. 2 N - “J Naa 3 a = 1 EVIL EY Fig. A J Naa -أ١-‎ AF a B iF ‏ض‎ 0 ol ‏مين‎ ‎re ‎Yad ‎A ‏الشكل‎ ‎Hay ‎te eis ‏ادا ل‎ : ‏ب‎ ‏امي‎ 4# ‏م‎ 3 Ay 1a Teg-A1- AF a B iF D 0 ol Maine re Yad A Figure Hay te eis Ada L: B Ami #4 M 3 Ay 1a Teg ‎AED‏ | لمعل 3 تع 1 ‎EX‏ ‏14 ريAED | Lam'al 3 Ta' 1 EX 14 Ry ‏ب ا .B a. ‏: إِ ا: a ‏= ل ‎a‏ :"0 تت ‎ra Ei‏ ‎ThE‏ ‏1 لكا ‎[I‏ 4 ‎nd‏= for a :"0 tat ra Ei ThE 1 for ka [I 4 nd] ‎REN‎REN ‎Viet FragViet Fragment ‎” 1 0 x ) ay ‏نس‎1 0 x ) ay nes ‎ABER ‎1 ‏الب‎ Jr ham Se Lx 14a ‏ب‎ ‎Eo ‏ا‎ ‎١ ‏الشكل‎ ‏نبب‎ ‏ا‎ABER 1 B Jr ham Se Lx 14a B Eo A 1 Figure Nbb A (A PRA i ‏ض‎ 7 8 ¥ Say ٠١ ‏الشكل‎ ‎ey ‏الا‎ NU 4 a : 2 0 : he Cm CN rey Thy 0 ee + ‏الشكل‎ ‎TEN(A PRA i z 7 8 ¥ Say 01 Fig ey NU 4 a : 2 0 : he Cm CN rey Thy 0 ee + Fig TEN : A Te 3 on RE RR: : i 7 JE NL "ES : hE 8 : ay . : au RN NE WO ; Ra NS : ‏ا‎ RS 3 lie Oi : ‏تا‎ Si No A 2 : SEN Ha A ‏ا‎ ‎1 YE cy he 2) ‏لخ‎ ‎: 3 BNR) Rd 3 WF, Ni % a + ‏ل اي‎ rr i amd XN JT Pl a ad : 2 FRR HERR SE a SE 3 a 0 ‏اال لدب ال‎ : ‏ال‎ Re pis RO : ‏م 7 ا‎ 3 ay Nd 8 : SR Ra BF 5 3 35 NEE SHER aS 3 EE SEA SER 3 1 fa bee Oa) WE Enea Don : 8 ‏م‎ Sr 3 FN 8 pot g . : Ra Si 8 x AE oe i.: A Te 3 on RE RR: : i 7 JE NL "ES : hE 8 : ay . : au RN NE WO ; Ra NS : A RS 3 lie Oi : Ta Si No A 2 : SEN Ha A A 1 YE cy he 2) LH : 3 BNR) Rd 3 WF, Ni % a + L y rr i amd XN JT Pl a ad : 2 FRR HERR SE a SE 3 a 0 Ell bear A : The Re pis RO : M 7 A 3 ay Nd 8 : SR Ra BF 5 3 35 NEE SHER aS 3 EE SEA SER 3 1 fa bee Oa) WE Enea Don : 8 M Sr 3 FN 8 pot g.: Ra Si 8 x AE oe i. EN ‏مجح ججح ج مجه‎ Sa = i 5 ¢ E Th Bae 3 ‏أ قم‎ i FURR RHI RAR RRR SS SEI 2 pay RRR IIHR : pera a : ‏ل‎ SRR A B : : yp. a 3 : & SATE ihn Say ER 3 : ‏ل‎ Re pred § 1 SE na SE ME 3 : any PORN SRE DAAC SEE § : ARE EERE RELIES RY NEAT B : SE Ree Ce SA NNER 3 : SR SNES X Wen ‏ا‎ : 1 ‏اال‎ ٍ 8 : ‏ا‎ SEER 9 RRS 1 3 : ‏ا‎ AR SERA REN RR 8 : 8 Na SRR A SEEN . & MEER NR NER AR SERRE : : Say I 3 NEN : : 1 ‏ل‎ ER SE SEER 3 a TEE CR REE SRR Vea : EY Pata aah Naa 3 Bo aN ENN Nol Sa : 1 2 REINS 2 RAS i Ss 3 3 88 EH ‏ا‎ N EN 3 : Vay TaN Se NN Saas : 3 3 Viana 0 aaa A 3 MRSA Re SE NN SETH NR |: 1 aT a RE FAN Maa EN 3 2 ER a Cava NE aa ENC 1 ERE ZA NN SET LF 2 : : Nia oF 3 : ‏ا‎ a SRA 2 3 1 ‏ا‎ 3 3 1 ESE 7 : 1 ‏ا‎ ass SEER ANNE 3 : TEAR SRNR ERS RR 0 B 1 ‏ا لي‎ : RW : 1 ‏ان‎ 38 3 : a he aaa 3 : Sh 3 fad 3 4 ‏ا‎ 3 ‏ب‎ Sa & 2 \ ¢ ‏ل‎ FS 0 ‏ب ا‎ TegEN Mjh Jjh J Mjh Sa = i 5 ¢ E Th Bae 3 a Qom i FURR RHI RAR RRR SS SEI 2 pay RRR IIHR : pera a : for SRR A B : : yp. a 3 : & SATE ihn Say ER 3 : a Re pred § 1 SE na SE ME 3 : any PORN SRE DAAC SEE § : ARE EERE RELIES RY NEAT B : SE Ree Ce SA NNER 3 : SR SNES X Wen A : 1 A 8 : A SEER 9 RRS 1 3 : A AR SERA REN RR 8 : 8 Na SRR A SEEN . & MEER NR NER AR SERRE : : Say I 3 NEN : : 1 L ER SE SEER 3 a TEE CR REE SRR Vea : EY Pata aah Naa 3 Bo aN ENN Nol Sa : 1 2 REINS 2 RAS i Ss 3 3 88 EH A N EN 3 : Vay TaN Se NN Saas : 3 3 Viana 0 aaa A 3 MRSA Re SE NN SETH NR |: 1 aT a RE FAN Maa EN 3 2 ER a Cava NE aa ENC 1 ERE ZA NN SET LF 2 : : Nia oF 3 : a a SRA 2 3 1 a 3 3 1 ESE 7 : 1 a ass SEER ANNE 3 : TEAR SRNR ERS RR 0 B 1 a to : RW : 1 N 38 3 : a he aaa 3 : Sh 3 fad 3 4 a 3 b Sa & 2 \ s l FS 0 b a Teg اج ‎-1١‏ ‏انا 7 الل يف 9 ا تيع . ‎a Tu‏ ‎d ٍِ‏ اق ٍ 17 الشكل ‎yo‏ ‏تح ‏ت- ‏واي ل ا ‎TE Ha, ;‏ ‎an‏ 1 ,5 + ب الشكل ‎٠١‏ ‏اA-11 I am 7 God in 9 a year. a Tu d y a 17 Figure yo T-y-la TE Ha, ; an 1 ,5 + b Figure 01 a , ‏اباد يجا‎ ْ NEN , 0 ‏ا‎ FL ; ETE Ee ee , Pal 5 CL —F Flite i IE ed ; fans ER ea 1 ‏ا‎ al Ran sen of INE ‏تالت ام‎ a ] FE - ER 1 Si HEE BE ag Ie ah, Abad Yega º NEN , 0 A FL ; ETE Eee , Pal 5 CL — F Flite i IE ed ; ER fans ea 1 a al Ran sen of INE Talt Em a ] FE - ER 1 Si HEE BE ag Ie ah ¥ ‏لشكا 8 ب‎ i¥ for 8 b i TegTeg مدة سريان هذه البراءة عشرون سنة من تاريخ إيداع الطلب وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها أو سقوطها لمخالفتها لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف النباتية والنماذج الصناعية أو لائحته التنفيذية صادرة عن مدينة الملك عبدالعزيز للعلوم والتقنية ؛ مكتب البراءات السعودي ص ب ‎TAT‏ الرياض 57؟؟١١‏ ¢ المملكة العربية السعودية بريد الكتروني: ‎patents @kacst.edu.sa‏The validity period of this patent is twenty years from the date of filing the application, provided that the annual financial fee is paid for the patent and that it is not invalid or forfeited for violating any of the provisions of the patent system, layout designs of integrated circuits, plant varieties, and industrial designs, or its executive regulations issued by King Abdulaziz City for Science and Technology; Saudi Patent Office P.O. Box TAT Riyadh 57??11 ¢ Kingdom of Saudi Arabia Email: Patents @kacst.edu.sa
SA515360136A 2012-09-12 2015-03-12 Methods, Devices and Systems for Detecting Objects in a Video SA515360136B1 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261700033P 2012-09-12 2012-09-12
US13/838,511 US9165190B2 (en) 2012-09-12 2013-03-15 3D human pose and shape modeling
PCT/US2013/059471 WO2014043353A2 (en) 2012-09-12 2013-09-12 Methods, devices and systems for detecting objects in a video

Publications (1)

Publication Number Publication Date
SA515360136B1 true SA515360136B1 (en) 2018-08-02

Family

ID=50233311

Family Applications (1)

Application Number Title Priority Date Filing Date
SA515360136A SA515360136B1 (en) 2012-09-12 2015-03-12 Methods, Devices and Systems for Detecting Objects in a Video

Country Status (15)

Country Link
US (3) US9165190B2 (en)
EP (1) EP2895986B1 (en)
JP (1) JP6424163B2 (en)
KR (1) KR102358813B1 (en)
CN (2) CN104813339B (en)
AU (1) AU2013315491B2 (en)
CA (1) CA2884383C (en)
IL (1) IL237647B (en)
MX (1) MX347511B (en)
MY (1) MY175059A (en)
RU (1) RU2635066C2 (en)
SA (1) SA515360136B1 (en)
SG (1) SG11201501725RA (en)
WO (1) WO2014043353A2 (en)
ZA (1) ZA201502413B (en)

Families Citing this family (141)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103731598B (en) * 2012-10-12 2017-08-11 中兴通讯股份有限公司 A kind of intelligent monitoring terminal and video frequency monitoring method
US10009579B2 (en) * 2012-11-21 2018-06-26 Pelco, Inc. Method and system for counting people using depth sensor
CN104823218A (en) * 2012-12-03 2015-08-05 哈曼国际工业有限公司 System and method for detecting pedestrians using a single normal camera
US9020189B2 (en) * 2012-12-07 2015-04-28 The Nielsen Company (Us), Llc Methods and apparatus to monitor environments
US9536137B2 (en) * 2013-03-26 2017-01-03 Megachips Corporation Object detection apparatus
US10373470B2 (en) 2013-04-29 2019-08-06 Intelliview Technologies, Inc. Object detection
CN111723668A (en) * 2013-09-06 2020-09-29 日本电气株式会社 Security system, security method, and non-transitory computer-readable medium
US11615460B1 (en) 2013-11-26 2023-03-28 Amazon Technologies, Inc. User path development
CA2847707C (en) 2014-03-28 2021-03-30 Intelliview Technologies Inc. Leak detection
CN105096406A (en) 2014-04-30 2015-11-25 开利公司 Video analysis system used for architectural energy consumption equipment and intelligent building management system
WO2015186570A1 (en) 2014-06-03 2015-12-10 住友重機械工業株式会社 Human detection system for construction machine
WO2016002400A1 (en) 2014-06-30 2016-01-07 日本電気株式会社 Guidance processing device and guidance method
US10943357B2 (en) 2014-08-19 2021-03-09 Intelliview Technologies Inc. Video based indoor leak detection
US9361524B2 (en) * 2014-10-20 2016-06-07 King Abdullah University Of Science & Technology System and method for crowd counting and tracking
US10687022B2 (en) 2014-12-05 2020-06-16 Avigilon Fortress Corporation Systems and methods for automated visual surveillance
WO2016104395A1 (en) * 2014-12-24 2016-06-30 株式会社日立国際電気 Crowd monitoring system
US10325160B2 (en) 2015-01-14 2019-06-18 Nec Corporation Movement state estimation device, movement state estimation method and program recording medium
US10586203B1 (en) * 2015-03-25 2020-03-10 Amazon Technologies, Inc. Segmenting a user pattern into descriptor regions for tracking and re-establishing tracking of a user within a materials handling facility
US11205270B1 (en) 2015-03-25 2021-12-21 Amazon Technologies, Inc. Collecting user pattern descriptors for use in tracking a movement of a user within a materials handling facility
US10679177B1 (en) 2015-03-25 2020-06-09 Amazon Technologies, Inc. Using depth sensing cameras positioned overhead to detect and track a movement of a user within a materials handling facility
US10810539B1 (en) 2015-03-25 2020-10-20 Amazon Technologies, Inc. Re-establishing tracking of a user within a materials handling facility
CN105519102B (en) * 2015-03-26 2018-12-28 北京旷视科技有限公司 video monitoring method and video monitoring system
JP6344311B2 (en) * 2015-05-26 2018-06-20 ソニー株式会社 Display device, information processing system, and control method
CN106557765A (en) * 2015-09-29 2017-04-05 欧姆龙株式会社 Note detection means and note detection method
CN105279484B (en) * 2015-10-10 2019-08-06 北京旷视科技有限公司 Method for checking object and object test equipment
US10083376B2 (en) * 2015-10-19 2018-09-25 Honeywell International Inc. Human presence detection in a home surveillance system
US10323450B2 (en) * 2015-10-20 2019-06-18 Hi-Tech Solutions Ltd. Cloud-base ANPR management
CN105404852B (en) * 2015-10-28 2019-01-25 广州视源电子科技股份有限公司 A kind of method and device showing public restroom vacancy
ES2759369T3 (en) 2015-10-30 2020-05-08 Signify Holding Bv Commissioning of a sensor system
CN105574499B (en) * 2015-12-15 2019-08-20 东华大学 A kind of number detection statistics method and system based on SOC
WO2017114846A1 (en) * 2015-12-28 2017-07-06 Robert Bosch Gmbh Depth sensing based system for detecting, tracking, estimating, and identifying occupancy in real-time
WO2017137287A1 (en) 2016-02-11 2017-08-17 Philips Lighting Holding B.V. People sensing system.
WO2017166098A1 (en) * 2016-03-30 2017-10-05 Xiaogang Wang A method and a system for detecting an object in a video
US9576205B1 (en) * 2016-03-31 2017-02-21 Pointgrab Ltd. Method and system for determining location of an occupant
JP6732522B2 (en) * 2016-05-02 2020-07-29 キヤノン株式会社 Image processing apparatus, image processing method and program
US9607402B1 (en) 2016-05-09 2017-03-28 Iteris, Inc. Calibration of pedestrian speed with detection zone for traffic intersection control
WO2017196515A1 (en) * 2016-05-09 2017-11-16 Iteris, Inc. Pedestrian counting and detection at a traffic intersection based on location of vehicle zones
US10026193B2 (en) 2016-05-24 2018-07-17 Qualcomm Incorporated Methods and systems of determining costs for object tracking in video analytics
IL247101B (en) 2016-08-03 2018-10-31 Pointgrab Ltd Method and system for detecting an occupant in an image
JP6776719B2 (en) * 2016-08-17 2020-10-28 富士通株式会社 Mobile group detection program, mobile group detection device, and mobile group detection method
WO2018058557A1 (en) * 2016-09-30 2018-04-05 Intel Corporation Human search and identification in complex scenarios
CN106503631A (en) * 2016-10-10 2017-03-15 深圳云天励飞技术有限公司 A kind of population analysis method and computer equipment
US9638800B1 (en) 2016-11-22 2017-05-02 4Sense, Inc. Passive tracking system
US9720086B1 (en) 2016-11-22 2017-08-01 4Sense, Inc. Thermal- and modulated-light-based passive tracking system
US20200093544A1 (en) * 2017-01-06 2020-03-26 Intuitive Surgical Operations, Inc. System and method for registration and coordinated manipulation of augmented reality image components
JP6904731B2 (en) * 2017-03-01 2021-07-21 株式会社Ｚｏｚｏ Size measuring device, management server, user terminal and size measuring system
JP6851233B2 (en) * 2017-03-16 2021-03-31 セコム株式会社 Object position estimation device
US10373320B2 (en) * 2017-03-17 2019-08-06 Uurmi Systems PVT, LTD Method for detecting moving objects in a video having non-stationary background
US20180293735A1 (en) * 2017-04-11 2018-10-11 Sony Corporation Optical flow and sensor input based background subtraction in video content
CN108475072A (en) * 2017-04-28 2018-08-31 深圳市大疆创新科技有限公司 A kind of tracking and controlling method, device and aircraft
IL252032A0 (en) * 2017-04-30 2017-07-31 Pointgrab Ltd Method and system for determining occupancy from images
JP6835218B2 (en) * 2017-05-22 2021-02-24 日本電気株式会社 Crowd state recognizer, learning method and learning program
CN107065686B (en) * 2017-05-24 2018-08-28 海门卡汶纺织品有限公司 Environment inside car adjusting method
CN107292869B (en) * 2017-06-07 2020-04-07 西安电子科技大学 Image speckle detection method based on anisotropic Gaussian kernel and gradient search
CN107292271B (en) * 2017-06-23 2020-02-14 北京易真学思教育科技有限公司 Learning monitoring method and device and electronic equipment
US10816354B2 (en) 2017-08-22 2020-10-27 Tusimple, Inc. Verification module system and method for motion-based lane detection with multiple sensors
US10762673B2 (en) 2017-08-23 2020-09-01 Tusimple, Inc. 3D submap reconstruction system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10565457B2 (en) 2017-08-23 2020-02-18 Tusimple, Inc. Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10953880B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US10953881B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
CN109583262B (en) * 2017-09-28 2021-04-20 财团法人成大研究发展基金会 Adaptive system and method for object detection
US10410055B2 (en) * 2017-10-05 2019-09-10 TuSimple System and method for aerial video traffic analysis
CN108024098A (en) * 2017-10-27 2018-05-11 广东傲智创新科技有限公司 Field intelligent video monitoring analysis system
US11328513B1 (en) 2017-11-07 2022-05-10 Amazon Technologies, Inc. Agent re-verification and resolution using imaging
US10607365B2 (en) * 2017-11-08 2020-03-31 International Business Machines Corporation Presenting an image indicating a position for a person in a location the person is waiting to enter
CN107901424A (en) * 2017-12-15 2018-04-13 北京中睿华信信息技术有限公司 A kind of Image Acquisition modeling
CN112004729B (en) 2018-01-09 2023-12-01 图森有限公司 Real-time remote control of vehicles with high redundancy
EP3738106A4 (en) 2018-01-11 2021-09-08 TuSimple, Inc. Monitoring system for autonomous vehicle operation
CN108171212A (en) * 2018-01-19 2018-06-15 百度在线网络技术（北京）有限公司 For detecting the method and apparatus of target
US11009356B2 (en) 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization and fusion
US11009365B2 (en) 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization
US10685244B2 (en) 2018-02-27 2020-06-16 Tusimple, Inc. System and method for online real-time multi-object tracking
CN108491766B (en) * 2018-03-05 2021-10-26 中山大学 End-to-end crowd counting method based on depth decision forest
RU2683499C1 (en) 2018-03-15 2019-03-28 Антон Владимирович Роженков System for automatic creation of scenario video clip with preset object or group of objects presence in frame
JP2019176306A (en) * 2018-03-28 2019-10-10 キヤノン株式会社 Monitoring system and control method therefor, and program
SG10201802673VA (en) * 2018-03-29 2019-10-30 Nec Asia Pacific Pte Ltd Method and system for integration and automatic switching of crowd estimation techniques
CN108491843B (en) * 2018-04-12 2022-11-18 腾讯科技（深圳）有限公司 Image processing method, device and storage medium
CN110378185A (en) 2018-04-12 2019-10-25 北京图森未来科技有限公司 A kind of image processing method applied to automatic driving vehicle, device
CN110390226B (en) * 2018-04-16 2021-09-21 杭州海康威视数字技术股份有限公司 Crowd event identification method and device, electronic equipment and system
WO2019206239A1 (en) * 2018-04-27 2019-10-31 Shanghai Truthvision Information Technology Co., Ltd. Systems and methods for detecting a posture of a human object
CN110458854B (en) 2018-05-02 2022-11-15 北京图森未来科技有限公司 Road edge detection method and device
CN108629325B (en) 2018-05-11 2021-06-22 北京旷视科技有限公司 Method, device and system for determining position of article
US11163862B2 (en) * 2018-05-16 2021-11-02 International Business Machines Corporation Authentication of users based on snapshots thereof taken in corresponding acquisition conditions
US11669724B2 (en) 2018-05-17 2023-06-06 Raytheon Company Machine learning using informed pseudolabels
CN110505412B (en) * 2018-05-18 2021-01-29 杭州海康威视数字技术股份有限公司 Method and device for calculating brightness value of region of interest
EP3811328A4 (en) 2018-06-14 2021-09-29 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for image processing
CN109145708B (en) * 2018-06-22 2020-07-24 南京大学 Pedestrian flow statistical method based on RGB and D information fusion
US10841723B2 (en) * 2018-07-02 2020-11-17 Harman International Industries, Incorporated Dynamic sweet spot calibration
CN109325963B (en) * 2018-08-07 2021-05-18 长安大学 SVM-based three-dimensional trajectory classification method for bus passengers
US11292480B2 (en) 2018-09-13 2022-04-05 Tusimple, Inc. Remote safe driving methods and systems
DE102018122521A1 (en) * 2018-09-14 2020-03-19 Günter Guttroff Surveillance procedures and surveillance system
EP3629226B1 (en) * 2018-09-26 2020-11-25 Axis AB Method for converting alerts
CN109284574B (en) * 2018-10-25 2022-12-09 西安科技大学 Non-probability reliability analysis method for series truss structure system
CN109241951A (en) * 2018-10-26 2019-01-18 北京陌上花科技有限公司 Porny recognition methods, identification model construction method and identification model and computer readable storage medium
US10942271B2 (en) 2018-10-30 2021-03-09 Tusimple, Inc. Determining an angle between a tow vehicle and a trailer
CN111126117B (en) * 2018-11-01 2023-05-02 阿里巴巴集团控股有限公司 Information processing method and device
US10719707B2 (en) * 2018-11-13 2020-07-21 Vivotek Inc. Pedestrian detection method and related monitoring camera
KR102118519B1 (en) 2018-11-22 2020-06-15 삼성전자주식회사 Electronic apparatus and controlling method thereof
US11423564B2 (en) * 2018-11-30 2022-08-23 Healthreel, Inc. Body modeling using mobile device
US11386306B1 (en) * 2018-12-13 2022-07-12 Amazon Technologies, Inc. Re-identification of agents using image analysis and machine learning
CN111319629B (en) 2018-12-14 2021-07-16 北京图森智途科技有限公司 Team forming method, device and system for automatically driving fleet
US10957074B2 (en) * 2019-01-29 2021-03-23 Microsoft Technology Licensing, Llc Calibrating cameras using human skeleton
CN110020602A (en) * 2019-03-07 2019-07-16 苏州诺亚图智能科技有限公司 A kind of high-precision personage region detection system
US11995864B2 (en) * 2019-04-29 2024-05-28 Bae Systems Plc System and method for localisation using footprints
KR20200126540A (en) 2019-04-30 2020-11-09 주식회사 만도 Camera-calibration system and method thereof
CN110222579B (en) * 2019-05-09 2022-12-16 华南理工大学 Video object counting method combining motion law and target detection
US20200380252A1 (en) 2019-05-29 2020-12-03 Walmart Apollo, Llc Systems and methods for detecting egress at an entrance of a retail facility
US11048948B2 (en) * 2019-06-10 2021-06-29 City University Of Hong Kong System and method for counting objects
US11823460B2 (en) 2019-06-14 2023-11-21 Tusimple, Inc. Image fusion for autonomous vehicle operation
US11178363B1 (en) 2019-06-27 2021-11-16 Objectvideo Labs, Llc Distributed media monitoring
CN110502967B (en) * 2019-07-01 2020-12-18 光控特斯联(上海)信息科技有限公司 Artificial intelligence matching method and device for target scene based on personnel big data
AU2019100806A4 (en) * 2019-07-24 2019-08-29 Dynamic Crowd Measurement Pty Ltd Real-Time Crowd Measurement And Management Systems And Methods Thereof
US11068747B2 (en) * 2019-09-27 2021-07-20 Raytheon Company Computer architecture for object detection using point-wise labels
CN111652763A (en) * 2019-10-07 2020-09-11 蒋兴德 Reference platform and method based on wireless communication
CN110796073B (en) * 2019-10-28 2021-05-25 衢州学院 Method and device for detecting specific target area in non-texture scene video
US11417104B2 (en) 2019-11-01 2022-08-16 Walmart Apollo, Llc Systems and methods for automatically determining location of an object inside a retail store
US11106904B2 (en) * 2019-11-20 2021-08-31 Omron Corporation Methods and systems for forecasting crowd dynamics
JP7370840B2 (en) * 2019-12-09 2023-10-30 キヤノン株式会社 Image processing device, image processing method, computer program and storage medium
KR20210097415A (en) 2020-01-30 2021-08-09 한국전자통신연구원 Method and apparatus of detecting object based on real time video
CN111405239B (en) * 2020-02-17 2021-08-31 浙江大华技术股份有限公司 Monitoring method, server, monitoring system, and computer-readable storage medium
KR20210114728A (en) * 2020-03-11 2021-09-24 연세대학교 산학협력단 Pixel Level Video Object Tracking Apparatus Using Box Level Object Position Information
GB2593717B (en) * 2020-03-31 2022-08-24 Imperial College Innovations Ltd Image processing system and method
RU2748581C1 (en) * 2020-04-02 2021-05-27 Антон Владимирович Роженков System for automatic generation of scripted video clip with presence of defined object or group of objects on screen
EP3893150A1 (en) 2020-04-09 2021-10-13 Tusimple, Inc. Camera pose estimation techniques
US11676391B2 (en) 2020-04-16 2023-06-13 Raytheon Company Robust correlation of vehicle extents and locations when given noisy detections and limited field-of-view image frames
CN111724442B (en) * 2020-05-28 2022-04-22 上海商汤智能科技有限公司 Image processing method and device, electronic device and storage medium
CN111832413B (en) * 2020-06-09 2021-04-02 天津大学 People flow density map estimation, positioning and tracking method based on space-time multi-scale network
AU2021203567A1 (en) 2020-06-18 2022-01-20 Tusimple, Inc. Angle and orientation measurements for vehicles with multiple drivable sections
US11657613B2 (en) 2020-08-11 2023-05-23 Analog Devices International Unlimited Company Zone based object tracking and counting
JP2022051008A (en) * 2020-09-18 2022-03-31 富士フイルムビジネスイノベーション株式会社 Information processing device and program
JP7265672B2 (en) * 2020-09-28 2023-04-26 ソフトバンク株式会社 Information processing method, program and information processing device
JP7121781B2 (en) * 2020-09-28 2022-08-18 ソフトバンク株式会社 Information processing method, program and information processing device
US11348338B2 (en) * 2020-11-04 2022-05-31 Huawei Technologies Co., Ltd. Methods and systems for crowd motion summarization via tracklet based human localization
US11663822B2 (en) 2020-11-24 2023-05-30 Microsoft Technology Licensing, Llc Accurate video event inference using 3D information
US11562184B2 (en) 2021-02-22 2023-01-24 Raytheon Company Image-based vehicle classification
CN113392714A (en) * 2021-05-20 2021-09-14 上海可深信息科技有限公司 Crowd event detection method and system
JP2022184574A (en) * 2021-06-01 2022-12-13 キヤノン株式会社 Information processing device, information processing method, and program
CN114743159A (en) * 2022-03-31 2022-07-12 武汉市江夏区人民政府纸坊街道办事处 Smart street population big data comprehensive management platform based on Internet of things
CN114550074B (en) * 2022-04-25 2022-07-12 成都信息工程大学 Image recognition method and system based on computer vision
CN115861572B (en) * 2023-02-24 2023-05-23 腾讯科技（深圳）有限公司 Three-dimensional modeling method, device, equipment and storage medium

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS50131497A (en) * 1974-04-03 1975-10-17
EP1297486A4 (en) 2000-06-15 2006-09-27 Automotive Systems Lab Occupant sensor
US8711217B2 (en) * 2000-10-24 2014-04-29 Objectvideo, Inc. Video surveillance system employing video primitives
US7868912B2 (en) 2000-10-24 2011-01-11 Objectvideo, Inc. Video surveillance system employing video primitives
US20050146605A1 (en) 2000-10-24 2005-07-07 Lipton Alan J. Video surveillance system employing video primitives
US7127083B2 (en) 2003-11-17 2006-10-24 Vidient Systems, Inc. Video surveillance system with object detection and probability scoring based on object class
JP2006031645A (en) * 2004-07-12 2006-02-02 Nariyuki Mitachi Real-time estimation method for dynamic crowd density and crowd accident prevention system
RU45546U1 (en) * 2005-01-14 2005-05-10 Шорин Михаил Викторович HORIZONTAL GRAVITY FORCE ACTION MODEL
US20060182339A1 (en) * 2005-02-17 2006-08-17 Connell Jonathan H Combining multiple cues in a visual object detection system
US20080181453A1 (en) 2005-03-17 2008-07-31 Li-Qun Xu Method of Tracking Objects in a Video Sequence
US7825954B2 (en) 2005-05-31 2010-11-02 Objectvideo, Inc. Multi-state target tracking
US20090041297A1 (en) * 2005-05-31 2009-02-12 Objectvideo, Inc. Human detection and tracking for security applications
US7801330B2 (en) 2005-06-24 2010-09-21 Objectvideo, Inc. Target detection and tracking from video streams
US20070058836A1 (en) 2005-09-15 2007-03-15 Honeywell International Inc. Object classification in video data
US9240051B2 (en) 2005-11-23 2016-01-19 Avigilon Fortress Corporation Object density estimation in video
JP4532419B2 (en) * 2006-02-22 2010-08-25 富士フイルム株式会社 Feature point detection method, apparatus, and program
US8116564B2 (en) * 2006-11-22 2012-02-14 Regents Of The University Of Minnesota Crowd counting and monitoring
US8358806B2 (en) * 2007-08-02 2013-01-22 Siemens Corporation Fast crowd segmentation using shape indexing
CN101388077A (en) * 2007-09-11 2009-03-18 松下电器产业株式会社 Target shape detecting method and device
US8195598B2 (en) 2007-11-16 2012-06-05 Agilence, Inc. Method of and system for hierarchical human/crowd behavior detection
US8103055B2 (en) * 2008-01-11 2012-01-24 Omg Plc Detection of blobs in images
JP5227639B2 (en) * 2008-04-04 2013-07-03 富士フイルム株式会社 Object detection method, object detection apparatus, and object detection program
WO2010080687A1 (en) 2009-01-09 2010-07-15 Thomson Licensing Method and apparatus for detecting and separating objects of interest in soccer video by color segmentation and shape analysis
US8253792B2 (en) * 2009-08-28 2012-08-28 GM Global Technology Operations LLC Vision system for monitoring humans in dynamic environments
US8630455B2 (en) * 2010-07-20 2014-01-14 SET Corporation Method and system for audience digital monitoring
WO2012114574A1 (en) * 2011-02-21 2012-08-30 三菱電機株式会社 Image magnification device and method
CN102385803B (en) * 2011-10-28 2013-09-25 南京邮电大学 All-weather urban vehicle tracking and counting method based on video monitoring

Also Published As

Publication number Publication date
JP6424163B2 (en) 2018-11-14
RU2015109072A (en) 2016-11-10
JP2015528614A (en) 2015-09-28
RU2635066C2 (en) 2017-11-08
US20140072170A1 (en) 2014-03-13
BR112015005282A8 (en) 2022-10-04
WO2014043353A2 (en) 2014-03-20
CN107256377B (en) 2021-03-16
US9165190B2 (en) 2015-10-20
US20150178571A1 (en) 2015-06-25
AU2013315491B2 (en) 2018-08-09
ZA201502413B (en) 2016-07-27
BR112015005282A2 (en) 2017-07-04
MX2015003153A (en) 2015-12-16
US20160379061A1 (en) 2016-12-29
KR102358813B1 (en) 2022-02-04
IL237647A0 (en) 2015-04-30
MX347511B (en) 2017-04-28
CN104813339B (en) 2017-05-10
EP2895986A2 (en) 2015-07-22
IL237647B (en) 2018-06-28
CN107256377A (en) 2017-10-17
WO2014043353A3 (en) 2014-06-26
US9443143B2 (en) 2016-09-13
MY175059A (en) 2020-06-04
KR20150067193A (en) 2015-06-17
US9646212B2 (en) 2017-05-09
SG11201501725RA (en) 2015-04-29
EP2895986A4 (en) 2016-05-04
CA2884383C (en) 2021-05-11
CN104813339A (en) 2015-07-29
CA2884383A1 (en) 2014-03-20
AU2013315491A1 (en) 2015-04-09
EP2895986B1 (en) 2019-03-06

Similar Documents

Publication Publication Date Title
SA515360136B1 (en) Methods, Devices and Systems for Detecting Objects in a Video
CN105139425B (en) A kind of demographic method and device
CN102819764B (en) Method for counting pedestrian flow from multiple views under complex scene of traffic junction
AU2011352412B2 (en) Scene activity analysis using statistical and semantic feature learnt from object trajectory data
US8582811B2 (en) Unsupervised parameter settings for object tracking algorithms
CN110400352A (en) The camera calibration identified using feature
CN104966062B (en) Video monitoring method and device
Venetianer et al. Performance evaluation of an intelligent video surveillance system–A case study
JP2015528614A5 (en)
KR101965878B1 (en) Automatic connection of images using visual features
CN104123544A (en) Video analysis based abnormal behavior detection method and system
US11417106B1 (en) Crowd evacuation system based on real time perception, simulation, and warning
TW582168B (en) Method for abstracting multiple moving objects
Li et al. Modeling occlusion by discriminative and-or structures
Utasi et al. A multi-view annotation tool for people detection evaluation
JP2021060868A5 (en)
KR101840042B1 (en) Multi-Imaginary Fence Line Setting Method and Trespassing Sensing System
CN102625083A (en) Method for constructing video monitoring network
An et al. VFP290k: A large-scale benchmark dataset for vision-based fallen person detection
JP4610005B2 (en) Intruding object detection apparatus, method and program by image processing
Yu et al. Training-free monocular 3d event detection system for traffic surveillance
CN109858319A (en) Image processing equipment and control method and non-transitory computer-readable storage media
CN113129378A (en) Positioning method, positioning device, electronic equipment and storage medium
CN113066182A (en) Information display method and device, electronic equipment and storage medium
CN111753587A (en) Method and device for detecting falling to ground